인공 뉴런이란 무엇입니까?

인공 뉴런은 인간 두뇌 및 신경계에서 생물학적 뉴런 또는 임펄스 전도성 세포의 복잡한 상호 작용을 어느 정도 모방하려는 컴퓨터 시스템 용 소프트웨어 프로그래밍의 수학적 기능이다. 인공 뉴런의 첫 번째 버전은 1943 년 Warren McCulloch와 Walter Pitts에 의해 이진 뉴런의 형태로 작성되었으며, 여기서 입력은 1 또는 -1의 값이 될 수 있습니다. 이러한 입력 조합이 함께 가중치가 부여됩니다. 특정 임계 값을 극복하면 인공 뉴런의 출력은 1이며, 결합시 입력이 충분하지 않으면 출력은 -1 값입니다.

서로 연결된 인공 뉴런의 집합은 인간의 뇌와 마찬가지로 몇 가지 기본적인 방식으로 기능하도록되어 있습니다. 이러한 인공 신경망 설계는 인간처럼 일부 능력을 추론 할 수있는 인공 컴퓨터 시스템 인 인공 생명체를 개발하는 과정에서 중요한 디딤돌로 여겨진다. 오늘날 지능형 컴퓨터 시스템은 기존의 선형 컴퓨터 프로그래밍보다 더 빠른 방식으로 데이터 입력을 병렬 처리 할 수있는 신경망을 이미 사용하고 있습니다.

인공 뉴런에 의존하는 작업 시스템의 예는 2006 년에 개발 된 작물 보호 시스템으로, 비행 차량을 사용하여 계절 질병 및 해충의 존재에 대한 작물 조건을 스캔합니다. 신경망은 본질적으로 컴퓨터를 배우기 때문에 작물의 스캔을 제어하기 위해 신경망 소프트웨어가 선택되었습니다. 지역 조건에서 더 많은 데이터가 제공 될수록 문제를보다 효율적으로 감지하여 확산 전에 신속하게 제어 할 수 있습니다. 반면에 표준 컴퓨터 제어 시스템은 특정 섹션의 다양한 조건에 관계없이 작물 전체를 동일하게 취급했을 것입니다. 설계자들에 의한 지속적인 재 프로그래밍이 없다면 인공 뉴런 적응에 기반한 시스템보다 훨씬 비효율적 인 것으로 판명되었습니다.

신경망 소프트웨어는 또한 코딩 레벨에서 소프트웨어의 기본 설계에 친숙하지 않은 엔지니어가 적용 할 수 있다는 이점을 제공합니다. 이 소프트웨어는 광범위한 조건에 적응할 수 있으며 해당 조건에 노출되어 이에 대한 데이터를 수집하므로 숙련도를 얻습니다. 초기에 신경망은 문제에 대한 해결책으로 잘못된 출력을 생성하지만,이 출력이 생성됨에 따라 입력으로 시스템에 피드백되고 지속적으로 데이터를 조정하고 계량하는 프로세스는 실제에 대한보다 정확한 이해로 이어집니다. 충분한 시간과 피드백이 주어지면 세계 상황.

신경망이 어떻게 설계되는지에 대한 적응은 1943 년에 생성 된 기본 이진 뉴런 구조 외에 다른 유형의 인공 뉴런으로 이어졌습니다. 분석중인 문제가 선형이 아니거나 명확하게 예측할 수없고 부수가 아닌 조건을 표시하는 경우 선형 계산보다 더 많은 가중치를 부여하여 시스템의 비선형 함수를 사용합니다. 신경 시스템의 훈련이 계속됨에 따라, 시스템은 시스템의 이상적인 조건과 비교하여 모니터링하는 실제 조건을보다 잘 제어 할 수 있습니다. 이것은 종종 신경 퍼지 모델을 신경망에 통합시키는 것을 포함하는데, 이는 의미있는 출력 및 제어 상태를 생성하는데있어서 부정확도를 설명 할 수있다.